Apertium has moved from SourceForge to GitHub.
If you have any questions, please come and talk to us on #apertium on irc.freenode.net or contact the GitHub migration team.

Trouver des erreurs dans des dictionnaires

From Apertium
Revision as of 10:36, 17 February 2015 by Tunedal (Talk | contribs)

Jump to: navigation, search

In English

Contents

Ceci sera une traduction de la page Finding errors in dictionaries.

Introduction

C'est facile de commettre des erreurs en fabriquant ou modifiant des dictionnaires . Ce page-ci présent un façon simple de trouver beaucoup d'erreurs.

Résumé

D'abord, étendez le dictionnaire unilingue. Cela va produire un fichier très grand.

Puis, faites une liste de mots correctement orthographiés pour les exclure du dictionnaire étendu.

Finalement, contrôlez les mots restant dans un programme de traitement de texte, pour trouver rapidement les erreurs. Ouvrez le dictionnaire original dans un éditeur de texte et corrigez les erreurs que vous avez trouvez .

Option: contrôler s'il y a des entrées doubles

Étendre le dictionnaire unilingue

Accédez au dossier où le dictionnaire est gardé. La commande qui suit va étendre le dictionnaire, cet-à-dire créer toutes les formes de chaque mot selon le paradigme attribué. Seulement les formes qui ne sont pas marquées d'un balise LR ou RL sont étendues, et de plus les entrées fautives crées par un bug qui est connu depuis longtemps (NON_ANALYSIS) sont supprimées. L’exemple suivant étend le dictionnaire unilingue Suédois:

lt-expand apertium-swe.swe.dix | grep -v ':[<>]:' | cut -f1 -d:| fgrep -v 'NON_ANALYSIS' > swe.expanded

Changez pour le dictionnaire que vous souhaitez corriger, c'est-à-dire changez "apertium-swe.swe.dix" pour le nom de votre dictionnaire et changez le nom de sortie "swe.expanded" pour quelque-chose qui convient.

Faire une liste de mots correctement orthographiés

texte


Écarter les mots correctement orthographiés

Quand vous avez une bonne longue liste de mots orthographiés correctement, filtrez la liste de mots étendu de Apertium. Ceci est facile de faire avec grep. La commande suivante filtrerait par exemple le dictionnaire Suédois étendu:

cat swe.expanded | grep -v -wFf top_frequency.sv | grep -v -wFf aspellwords.sv > swe.expanded.felstavade

Vous trouveriez les erreurs présumés dans le ficher swe.expanded.felstavade (felstavade = mal orthographié).

S'il vous plaît, changez les nomes de fichier en haut pour ce qui convient pour vous.

Vérifier l'orthographe dans le reste du dictionnaire étendu

La méthode plus facile de trouver rapidement les erreurs, c'est de contrôler les mots restants dans un programme de traitement de texte de votre choix. Quand vous trouvez un mot mal orthographié, essayez de trouver la forme lexicale du mot. Cherchez-le dans le dictionnaire monolingue de Apertium et corrigez l'entrée. Très souvent les erreurs sont dûs à:

1. La racine de mot fausse.

2. Le paradigme faux.

3. Il faut un nouvel paradigme.

Prenez un mots à la fois. Si vous avez des difficultés de trouver la forme lexicale d'un mot mal orthographié et très étrange, essayez de le rechercher dans le dictionnaire étendu original. Vous trouveriez les autres formes du mot près du mot mal orthographié. Parfois cela ferait plus évident quel mot qu'il devait être en réalité. Si vous ne pouvez pas le trouver malgré tout: allez au mot mal orthographié suivant.

Vous trouverez des fautes en masse à corriger. Commencez avec les faciles!

Option: Contrôler s'il y a des entrées doubles

Il peut arriver qu'il y a des entrées double pour le même mot. Vous pouvez facilement les trouver si vous faites une liste sur la fréquence des mots dans le dictionnaire étendu. La commande dessous fait une liste de fréquence pour le dictionnaire Suédois étendu:

lt-expand *.swe.dix | grep -v ':[<>]:' | cut -f1 -d:| fgrep -v 'NON_ANALYSIS' | sort | uniq -c | sort -rn > swe.expanded.freq

Commencez contrôler en haut s'il y a des doubles. S'il vous plaît, noter qu'il y deux cause de fausse alarmes fréquentes :

1. Quelques-unes des formes pourraient être similaires, ce qui cause une fréquence haute .

2. Quelques-un des mots similaires sont en fait des mots différent qui par hasard ont la même orthographe .

Source

Voir aussi

Personal tools